CN113865695A - 一种集成故障判断算法的无线振动传感器 - Google Patents
一种集成故障判断算法的无线振动传感器 Download PDFInfo
- Publication number
- CN113865695A CN113865695A CN202111053208.6A CN202111053208A CN113865695A CN 113865695 A CN113865695 A CN 113865695A CN 202111053208 A CN202111053208 A CN 202111053208A CN 113865695 A CN113865695 A CN 113865695A
- Authority
- CN
- China
- Prior art keywords
- module
- sensor
- vibration sensor
- wireless
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 239000013078 crystal Substances 0.000 claims description 6
- 230000005059 dormancy Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 13
- 238000011217 control strategy Methods 0.000 abstract description 5
- 230000010354 integration Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000005389 magnetism Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种集成故障判断算法的无线振动传感器，包括通过无线网络连接的无线振动传感器架构和上位机系统；在MCU外部集成不同模块，通过将每次采集的原始数据缓存在外置存储模块中，根据特定算法将数据进行分析，根据计算的结果进行相应的操作，对每次采集的振动数据进行边缘端的分析，无需将特征值或原始数据上传至云端服务器，提高了监测的效率，同时由于传感器端集成的故障判定算法，传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。
Description
技术领域
本发明涉及无线传感器网络的技术领域，特别是涉及一种集成故障判断算法的无线振动传感器。
背景技术
对于旋转类机械设备的状态监测和故障诊断，振动参量是需要监测的关键因素之一。目前在设备的振动监测方案中，大多还是在采用有线振动传感器、数采模块和控制器组合的解决方案，但是近些年来，无线振动传感器也越来越多的出现在实际应用中。虽然无线振动传感器在诸多方面有着优势，但在实际应用中也存在一些问题。例如，目前主流无线振动传感器都采用的物联网无线通信方式(Lora、NB-IoT、低功耗蓝牙5.0)，此类通信方式的特点是低功耗和窄带宽。由于每次数据传输量和功耗的限制，一般传输4Kbyte以内的数据，每次传输时长在1min以内，这样就极大影响了数据采集质量。所以在很多场合下，传感器并非直接上传原始数据，而是将采集的数据进行数字滤波后再上传，或者将计算的RMS值、峰峰值、特征频率值、峭度值等上传至服务端。在服务器端进行计算，根据特定算法对设备进行故障判断。
服务器端有着大容量存储数据空间以及强大的算力，适合部署复杂的算法，但是时效性较低，传感器上传数据后，根据计算分析的结果，下发指令。现有的无线振动传感器及系统具有以下不足：
无线振动传感器自身软硬件系统结构单一；目前，传感器端所实现的功能为振动数据的采集、特征值计算以及数据和控制指令的传输。系统的软硬件资源只能支持传感器完成比较简单的操作。
传感器端未集成相应故障判定算法。传感器需要将特征值或原始数据上传至云端服务器进行进一步分析计算得到相应结果，再下发指令对传感器进行操作，此方案效率较低。
例如，一种在中国专利文献上公开的“一种天线内置型无线振动传感器”，其公告号CN208921275U，包括壳体、电池管理单元、电路板、紧固件、支撑板、传感器电路板、磁吸底座组件、天线。天线内置型无线振动传感器整体呈螺栓型，壳体内设有电池管理单元和支撑板，电池管理单元位于壳体内上部，支撑板位于壳体内下部，电路板设于电池管理单元下部，天线连接电路板，支撑板通过紧固件固定在壳体内，支撑板水平放置，传感器电路板竖直布置，传感器电路板中间部位与支撑板连接，磁吸底座组件固定在壳体外底端，该专利采用内置天线，磁吸分体安装，安全可靠。然而该专利仍存在无线振动传感器自身软硬件系统结构单一，数据处理效率底下的主要问题。
发明内容
本发明主要针对现有技术中无线振动传感器自身软硬件系统结构单一，且因为传感器端未集成相应故障判定算法导致数据处理效率低下的问题；提供了一种集成故障判断算法的无线振动传感器，通过将每次采集的原始数据缓存在外置存储模块中，根据特定算法将数据进行分析，根据计算的结果进行相应的操作，传感器端集成故障判定算法，对每次采集的振动数据进行边缘端的分析，无需将特征值或原始数据上传至云端服务器，提高了监测的效率，同时由于传感器端集成的故障判定算法，传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种集成故障判断算法的无线振动传感器，所述无线振动传感器包括通过无线网络连接的无线振动传感器架构和上位机系统；所述无线振动传感器架构包括MCU核心模块、振动数据采集模块、温度采集模块、无线通信模块、外部存储模块以及电源管理模块；所述振动数据采集模块、温度采集模块、无线通信模块、外部存储模块都与MCU核心模块交互连接。通过在MCU外部集成不同模块，通过将每次采集的原始数据缓存在外置存储模块中，根据特定算法将数据进行分析，根据计算的结果进行相应的操作，对每次采集的振动数据进行边缘端的分析，无需将特征值或原始数据上传至云端服务器，提高了监测的效率，同时由于传感器端集成的故障判定算法，传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。
作为优选，振动数据采集模块包括依次交互连接的振动传感器、滤波驱动电路、ADC芯片；所述ADC芯片与MCU模块交互连接。振动数据采集模块会将采集到的信号通过滤波和变化，再经过数模转换后传输至MCU模块当中，并在软件系统当中进行处理，使振动数据完成在传感器端的处理加工，保障了处理效率。
作为优选，所述MCU核心模块包括MCU、晶振模块、上电复位、手动复位模块、硬件看门狗模块和供电电源；晶振模块、上电复位、手动复位模块、硬件开门狗、供电电源与MCU通过串口交互连接。MCU外集成必要的硬件系统，保证软件功能与硬件系统的协同设置，保证MCU作为嵌入式系统核心的功能运转。
作为优选，所述温度采集模块采用红外温度传感器或模拟温度传感器，传输的数据更加准确。
作为优选，所述外部存储模块包括E2PROM FLASH模块和SRAM模块；E2PROM FLASH模块和SRAM模块都与MCU核心模块交互连接，直接储存检测到的故障数据，无需在上位机进行储存，提高了运算效率。
作为优选，所述无线振动传感器的故障判定算法步骤如下：
步骤S1、对采集的振动数据进行数字滤波处理，得到相应设备关键频带信号，并存储在E2PROM中；
步骤S2、对采集的数据进行降采样处理，得到降采样后的序列D；
步骤S3、对序列D进行傅里叶变化，幅值序列为Y，提取特征频率窄带能量值e1和全能量带的能量值e2；
e2＝∑Y；
f代表特征频率值；
步骤S4、通过判断频率窄带能量值e1与e2的能量占比p与预设阈值 threshold间的关系实现设备故障判定，并将故障类型上传至上位机；传感器可根据判定结果调节采样频率、采样时长。
传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。
作为优选，所述步骤S2的降采样的处理流程为：
a.根据降采样后的目标个数N1和传感器采样数据长度N确定降采样比例rate，
b.建立以降采样比例为间隔的序列X＝[0,rate,rate*2,L,rate*(N1-1)],对序列X值进行四舍五入处理，得到序列X1，使得序列X1内的数值均为整数；
c.计算序列X1各个区间范围内的数据平均值，得到降采样后的序列D。
作为优选，传感器上电后进行初始化设置，将故障类型上传至上位机，等待上位机下发指令；上位机根据传感器监测设备的类型，下发故障算法判定所需的滤波带宽以及预设阈值等特定参数以及其他配置参数，传感器将接收的参数存储在E2PROM中，传感器采集振动数据，并进行数字滤波和算法判定；若判定发生故障，则上传故障类型数据，否则，系统进入休眠。能够实时的对故障数据进行计算和判断，更加精准的判断出故障类型，同时通过软件和上位机的协同实时判断，效率更高，且能够及时调节内部参数与情况。
本发明的有益效果是：
1.传感器端集成故障判定算法，对每次采集的振动数据进行边缘端的分析，无需将特征值或原始数据上传至云端服务器，提高了监测的效率。
2.由于传感器端集成的故障判定算法，传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。
3.传感器可根据设备运行状态进行采样频率的自我调节。
附图说明
图1为无线振动传感器整体架构图；
图2为故障判断流程图；
图3为所述上位机系统框图。
具体实施方式
应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
下面通过实施例，对本发明的技术方案作进一步具体的说明。
一种集成故障判断算法的无线振动传感器，包括无线振动传感器架构和上位机系统。
为了能满足底层算法功能的需要，如图所示，无线振动传感器的硬件系统，相比于现有的硬件系统，在性能和功能上都进行的升级，该无线振动传感器硬件系统主要包含了MCU核心模块、振动数据采集模块、温度采集模块、无线通信模块、外部存储模块以及电源管理模块，所述振动数据采集模块、温度采集模块、无线通信模块、外部存储模块都与MCU核心模块交互连接。
MCU模块可使用的芯片为STM32系列芯片、MSP430系列、DSP或FPGA，主频100MHz以上，可满足边缘端算法计算需求，外围电路包含晶振模块、上电复位和手动复位模块、硬件看门狗模块以及3.3V供电电源，3.3V供电电源通过电源串口对芯片进行供电，同时晶振模块、上电复位、手动复位模块、硬件开门狗、供电电源与MCU通过串口交互连接，而MCU通过内部的程序设置与外部的设备软硬件结合完成基础的计算判别操作。
振动数据采集模块，基于SAR型ADC、ΔΣ型ADC或pipelineADC采集芯片进行设计，从振动信号输出端经过补偿回路、有源滤波电路、信号驱动回路接入ADC采集芯片。ADC芯片通过SPI/I2C等串口与MCU进行数据通信。
温度采集模块采用的是红外温度传感器或模拟温度传感器，可通过SPI/I2C 等接口采集被测对象温度和环境温度数据或直接采集模拟电压值。
无线模块通过串口接口与MCU连接通信，无线模块可采用WiFi、NB-IoT、 Lora、Bluetooth等。
外部存储模块可采用SRAM、E2PROM或FLASH芯片，可通过SPI或串口与MCU 连接，SRAM存储每次采集振动原始数据、E2PROM用于存储每次计算的特征值数据以及计算所需的参数值。
电源管理模块基于3.6V锂亚电池供电，为整个系统提供3.3V、2.5V、1.8V 等用电需求。为了最大限度的降低用电量，系统在低功耗模式下，只为MCU的最小系统供电。
无线振动传感器嵌入式软件系统主要实现振动数据处理、算法判定以及通信指令收发。嵌入式软件系统的故障判定算法处理过程如下：
S1.对采集的振动数据进行数字滤波处理，得到相应设备关键频带信号，滤波带宽根据设备结构和参数进行设定，参数由上位机下发，并存储在E2PROM中。
S2.对采集的数据进行降采样处理，降采样的主要功能为保留关键信号的基础上，减少数据量，从而降低故障判定算法的计算量。
其中降采样的处理流程为：
a.根据降采样后的目标个数N1和传感器采样数据长度N确定降采样比例 rate，
b.建立以降采样比例为间隔的序列X＝[0,rate,rate*2,L,rate*(N1-1)],对序列X值进行四舍五入处理，得到序列X1，使得序列X1内的数值均为整数。
c.计算序列X1各个区间范围内的数据平均值，得到降采样后的序列D
S3.对序列D进行傅里叶变化，幅值序列为Y，提取特征频率窄带能量值e1和全能量带的能量值e2。
e2＝∑Y
f代表特征频率值。
S4.通过判断频率窄带能量值e1与e2的能量占比p与预设阈值threshold间的关系实现设备故障判定，若p高于阈值threshold，认为设备出现特征频率对应故障，并将故障类型上传至上位机。传感器可根据计算结果，自行调节采样频率、采样时长等参数。例如当计算结果接近预设阈值时，传感器缩短休眠周期，提高采样频次，若连续多次计算结果均在合理范围内，可根据电池电量实际情况，减小采样频次。上位机系统根据监测的设备类型不同，下发相应的滤波带宽以及预设阈值等参数。上位机将上传的故障信息进行存储，或下发指令，请求传感器上传原始数据或特征值数据。
传感器上电后进行初始化设置，等待上位机下发指令。上位机根据传感器监测设备的类型，下发故障算法判定所需的特定参数以及其他配置参数，传感器将接收的参数存储在E2PROM中，传感器采集振动数据，并进行数字滤波和算法判定。若判定发生故障，则上传故障类型数据，否则，系统进入休眠。
Claims (8)
1.一种集成故障判断算法的无线振动传感器，其特征在于：所述无线振动传感器包括通过无线网络连接的无线振动传感器架构和上位机系统；所述无线振动传感器架构包括MCU核心模块、振动数据采集模块、温度采集模块、无线通信模块、外部存储模块以及电源管理模块；所述振动数据采集模块、温度采集模块、无线通信模块、外部存储模块都与MCU核心模块交互连接。
2.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：振动数据采集模块包括依次交互连接的振动传感器、滤波驱动电路、ADC芯片；所述ADC芯片与MCU模块交互连接。
3.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述MCU核心模块包括MCU、晶振模块、上电复位、手动复位模块、硬件看门狗模块和供电电源；晶振模块、上电复位、手动复位模块、硬件开门狗、供电电源与MCU通过串口交互连接。
4.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述温度采集模块采用红外温度传感器或模拟温度传感器。
5.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述外部存储模块包括E2PROM FLASH模块和SRAM模块；E2PROM FLASH模块和SRAM模块都与MCU核心模块交互连接。
6.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述无线振动传感器的故障判定算法步骤如下：
步骤S1、对采集的振动数据进行数字滤波处理，得到相应设备关键频带信号，并存储在E2PROM中；
步骤S2、对采集的数据进行降采样处理，得到降采样后的序列D；
步骤S3、对序列D进行傅里叶变化，幅值序列为Y，提取特征频率窄带能量值e1和全能量带的能量值e2；
e2＝∑Y；
f代表特征频率值；
步骤S4、通过判断频率窄带能量值e1与e2的能量占比p与预设阈值threshold间的关系实现设备故障判定，并将故障类型上传至上位机；传感器可根据判定结果调节采样频率、采样时长。
7.根据权利要求6所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述步骤S2的降采样的处理流程为：
a.根据降采样后的目标个数N1和传感器采样数据长度N确定降采样比例rate，
b.建立以降采样比例为间隔的序列X＝[0,rate,rate*2,L,rate*(N1-1)],对序列X值进行四舍五入处理，得到序列X1，使得序列X1内的数值均为整数；
c.计算序列X1各个区间范围内的数据平均值，得到降采样后的序列D。
8.根据权利要求6所述的一种集成故障判断算法的无线振动传感器，其特征在于：传感器上电后进行初始化设置，将故障类型上传至上位机，等待上位机下发指令；上位机根据传感器监测设备的类型，下发故障算法判定所需的滤波带宽以及预设阈值等特定参数以及其他配置参数，传感器将接收的参数存储在E2PROM中，传感器采集振动数据，并进行数字滤波和算法判定；若判定发生故障，则上传故障类型数据，否则，系统进入休眠。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111053208.6A CN113865695A (zh) | 2021-09-08 | 2021-09-08 | 一种集成故障判断算法的无线振动传感器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111053208.6A CN113865695A (zh) | 2021-09-08 | 2021-09-08 | 一种集成故障判断算法的无线振动传感器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113865695A true CN113865695A (zh) | 2021-12-31 |
Family
ID=78995123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111053208.6A Pending CN113865695A (zh) | 2021-09-08 | 2021-09-08 | 一种集成故障判断算法的无线振动传感器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113865695A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114353935A (zh) * | 2022-01-04 | 2022-04-15 | 北京英华达软件工程有限公司 | 一种电量可控型无线振动加速度传感器 |
| CN114838760A (zh) * | 2022-04-11 | 2022-08-02 | 湖南中融汇智信息科技股份有限公司 | 温振智能监测模组边缘计算系统 |
| CN117689269A (zh) * | 2024-01-30 | 2024-03-12 | 深圳市微克科技股份有限公司 | 一种智能手表加工阶段的故障溯源方法 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6073495A (en) * | 1997-03-21 | 2000-06-13 | Endress + Hauser Flowtec Ag | Measuring and operating circuit of a coriolis-type mass flow meter |
| JP2002305447A (ja) * | 2001-04-06 | 2002-10-18 | Sharp Corp | 直流オフセット補償回路 |
| JP2008139447A (ja) * | 2006-11-30 | 2008-06-19 | Mitsubishi Electric Corp | 音声符号化装置及び音声復号装置 |
| CN101393049A (zh) * | 2008-08-25 | 2009-03-25 | 北京天源科创风电技术有限责任公司 | 风力发电机组振动监测及故障诊断的方法 |
| JP2010060425A (ja) * | 2008-09-03 | 2010-03-18 | Toshiba Corp | タービン部材のエロージョン損傷検出方法および装置 |
| CN102236048A (zh) * | 2011-06-16 | 2011-11-09 | 国网电力科学研究院 | 一种电力系统相量频率测量方法 |
| CN102308190A (zh) * | 2008-12-22 | 2012-01-04 | S.P.M.仪器公司 | 分析具有旋转部件的机器的状态的方法和系统 |
| CN102506994A (zh) * | 2011-11-21 | 2012-06-20 | 嘉兴中科声学科技有限公司 | 一种数字化声学检测系统 |
| US20140064115A1 (en) * | 2012-09-04 | 2014-03-06 | Realtek Semiconductor Corp. | Bandwidth selection method |
| CN106153184A (zh) * | 2016-06-17 | 2016-11-23 | 北京中元瑞讯科技有限公司 | 基于mcu和蓝牙的可组态输出智能传感系统 |
| CN108886816A (zh) * | 2017-02-27 | 2018-11-23 | 华为技术有限公司 | 数据发送方法和用户设备 |
| CN110597144A (zh) * | 2019-09-30 | 2019-12-20 | 鞍钢集团自动化有限公司 | 一种电机传感器数据采集单元及数据采集方法 |
| CN111399004A (zh) * | 2020-04-07 | 2020-07-10 | 北京理工大学 | 一种高动态高灵敏度gnss信号捕获方法 |
| CN111595515A (zh) * | 2020-05-29 | 2020-08-28 | 中车长春轨道客车股份有限公司 | 万向轴不平衡故障的间接检测方法 |
| CN112615648A (zh) * | 2020-12-02 | 2021-04-06 | 江苏芯云电子科技有限公司 | 一种用于电力线载波通信Rx过程中的精准抗窄带噪声方法 |
| CN112950474A (zh) * | 2021-03-05 | 2021-06-11 | 中国测绘科学研究院 | 基于影像魔方的遥感影像增强降采样方法及系统 |
| CN113295445A (zh) * | 2021-05-19 | 2021-08-24 | 郑州大学 | 一种旋转机械的振动信号采集及故障实时监测系统及方法 |
-
2021
- 2021-09-08 CN CN202111053208.6A patent/CN113865695A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6073495A (en) * | 1997-03-21 | 2000-06-13 | Endress + Hauser Flowtec Ag | Measuring and operating circuit of a coriolis-type mass flow meter |
| JP2002305447A (ja) * | 2001-04-06 | 2002-10-18 | Sharp Corp | 直流オフセット補償回路 |
| JP2008139447A (ja) * | 2006-11-30 | 2008-06-19 | Mitsubishi Electric Corp | 音声符号化装置及び音声復号装置 |
| CN101393049A (zh) * | 2008-08-25 | 2009-03-25 | 北京天源科创风电技术有限责任公司 | 风力发电机组振动监测及故障诊断的方法 |
| JP2010060425A (ja) * | 2008-09-03 | 2010-03-18 | Toshiba Corp | タービン部材のエロージョン損傷検出方法および装置 |
| CN102308190A (zh) * | 2008-12-22 | 2012-01-04 | S.P.M.仪器公司 | 分析具有旋转部件的机器的状态的方法和系统 |
| CN102236048A (zh) * | 2011-06-16 | 2011-11-09 | 国网电力科学研究院 | 一种电力系统相量频率测量方法 |
| CN102506994A (zh) * | 2011-11-21 | 2012-06-20 | 嘉兴中科声学科技有限公司 | 一种数字化声学检测系统 |
| US20140064115A1 (en) * | 2012-09-04 | 2014-03-06 | Realtek Semiconductor Corp. | Bandwidth selection method |
| CN106153184A (zh) * | 2016-06-17 | 2016-11-23 | 北京中元瑞讯科技有限公司 | 基于mcu和蓝牙的可组态输出智能传感系统 |
| CN108886816A (zh) * | 2017-02-27 | 2018-11-23 | 华为技术有限公司 | 数据发送方法和用户设备 |
| CN110597144A (zh) * | 2019-09-30 | 2019-12-20 | 鞍钢集团自动化有限公司 | 一种电机传感器数据采集单元及数据采集方法 |
| CN111399004A (zh) * | 2020-04-07 | 2020-07-10 | 北京理工大学 | 一种高动态高灵敏度gnss信号捕获方法 |
| CN111595515A (zh) * | 2020-05-29 | 2020-08-28 | 中车长春轨道客车股份有限公司 | 万向轴不平衡故障的间接检测方法 |
| CN112615648A (zh) * | 2020-12-02 | 2021-04-06 | 江苏芯云电子科技有限公司 | 一种用于电力线载波通信Rx过程中的精准抗窄带噪声方法 |
| CN112950474A (zh) * | 2021-03-05 | 2021-06-11 | 中国测绘科学研究院 | 基于影像魔方的遥感影像增强降采样方法及系统 |
| CN113295445A (zh) * | 2021-05-19 | 2021-08-24 | 郑州大学 | 一种旋转机械的振动信号采集及故障实时监测系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| LI, WJ等: "Vibrational Triboelectric Nanogenerator-Based Multinode Self-Powered Sensor Network for Machine Fault Detection", 《IEEE-ASME TRANSACTIONS ON MECHATRONICS》, vol. 25, no. 5, 31 October 2020 (2020-10-31) * |
| 张浩等: "一种无线振动传感器频响带宽提高方法", 《计算机测量与控制》, vol. 29, no. 6, 1 June 2021 (2021-06-01) * |
| 韩屏等: "分布式全光纤微振动传感器研究", 《中国激光》, vol. 41, no. 3, 10 March 2014 (2014-03-10) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114353935A (zh) * | 2022-01-04 | 2022-04-15 | 北京英华达软件工程有限公司 | 一种电量可控型无线振动加速度传感器 |
| CN114838760A (zh) * | 2022-04-11 | 2022-08-02 | 湖南中融汇智信息科技股份有限公司 | 温振智能监测模组边缘计算系统 |
| CN117689269A (zh) * | 2024-01-30 | 2024-03-12 | 深圳市微克科技股份有限公司 | 一种智能手表加工阶段的故障溯源方法 |
| CN117689269B (zh) * | 2024-01-30 | 2024-05-14 | 深圳市微克科技股份有限公司 | 一种智能手表加工阶段的故障溯源方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113865695A (zh) | 一种集成故障判断算法的无线振动传感器 | |
| CN103063428B (zh) | 一种风机叶片模态参数的无线监测系统以及方法 | |
| CN106652407A (zh) | 一种超低功耗基于无线传输的数据采集系统及采集方法 | |
| CN109469157A (zh) | 一种二次供水系统能耗监测平台及监测方法 | |
| CN106774564A (zh) | 一种远程机房温湿度实时监控系统 | |
| CN110545290A (zh) | 基于物联网技术的电气设备智能锁管理装置 | |
| CN112017364A (zh) | 一种NB-IoT模组内嵌自定义程序的智能燃气表 | |
| CN114777880A (zh) | 水位监测方法和水位监测装置 | |
| CN102507190A (zh) | 一种自动数据记录和压缩的发动机试验数据采集系统 | |
| CN109991902A (zh) | 一种高原高海拔集中供氧远程控制系统 | |
| CN201444638U (zh) | 基于无线传感器网络的植物声发射信号自动检测系统 | |
| CN113783707A (zh) | 基于智能网关的传感器供电方法、装置和计算机设备 | |
| CN112929442A (zh) | 智能气务管理系统 | |
| CN106773967A (zh) | 一种带有振弦传感器诊断的振弦采集仪 | |
| CN206177452U (zh) | 一种基于gprs通信的泥石流次声监测系统 | |
| CN103327581A (zh) | 用于温室无线监控的通讯方法及装置 | |
| CN105791435A (zh) | 一种灌区实时数据采集装置 | |
| CN206470754U (zh) | 一种基于lora的多通道振弦采集仪 | |
| CN114117356A (zh) | 一种远距离低功耗的传感器实现方法与设备 | |
| CN210623766U (zh) | 一种有磁式温控阀阀体分离报警装置 | |
| CN108876787A (zh) | 一种基于深度学习的农作物生病监测主控板 | |
| CN206460280U (zh) | 一种带有振弦传感器诊断的振弦采集仪 | |
| CN112291733A (zh) | 基于蓝牙与nbiot双无线技术的智能云振动监测系统及方法 | |
| CN201917910U (zh) | 家禽体温动态监测系统 | |
| CN211741223U (zh) | 一种防结露二氧化碳传感器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |